基于Omni-Gaussian表示的自主驾驶稀疏视图场景重建——Omni-Scene

先前采用像素级高斯表示的方法在前馈稀疏视图重建中表现良好。然而，这种表示方法需要跨视图重叠才能实现准确的深度估计，因对象遮挡和视锥截断而面临挑战。因此，这些方法需要场景中心化的数据采集以维持跨视图重叠和完整场景可见性，以规避遮挡和截断，这限制了其在场景中心化重建中的适用性。在自主驾驶场景中，更实用的范式是以自我中心为导向的重建，其特征是跨视图重叠最小且频繁出现遮挡和截断。像素级表示方法的局限性阻碍了这些方法在该任务中的实际应用。鉴于此，本文对不同表示方法进行深入分析，引入Omni-Gaussian表示，并针对其优势和缺陷进行网络设计。实验表明，我们的方法在自我中心化重建中显著优于SOTA方法pixelSplat和MVSplat，并在场景中心化重建中实现了相当的性能。